python 将网页标签去掉代码

使用lxml即可。

安装方法，下载exe，直接安装。

lxml-3.2.4.win-amd64-py2.7  

http://download.csdn.net/detail/lijin6249/9601607

上代码：

from lxml import etree,html
import sys


reload(sys)
sys.setdefaultencoding( "utf-8" )


path = "1.html"
content = open(path,"rb").read()
page = html.document_fromstring(content) 
text = page.text_content()
print text.encode('gbk', 'ignore')

注意转码问题。